Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) sudo Jurnal Teknik Informatika Jurnal Informatika, Komputasi, Aplikasi & Bisnis (INFOKABIN)
Ahmad Latif
Universitas Komputama
Computer Science & IT Education Electrical & Electronics Engineering Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Perancangan Sistem Informasi Pemesanan Tiket Wisata Alam De' Balong Assaeida Berbasis Website Ahmad Latif; Muhtyas Yugi; Imam imam
INFOKABIN (Informatika, Komputasi, Aplikasi dan Bisnis) Vol 1 No 1 (2026): Januari 2026
Publisher : Universitas Al-Irsyad Cilacap

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36760/ifkb.v1i1.713

Abstract

designed to provide convenience for visitors in booking tickets and accessing park information online. Simultaneously, it assists management in generating accurate sales and visitor reports. The website was developed using the Waterfall method, utilizing tools such as HTML, Cascading Style Sheets (CSS), PHP, MySQL Database, and the Bootstrap framework. The results of this study conclude that the implementation of a web-based information system optimizes transaction operations and reporting management at De' Balong Assaeida. Kata Kunci/Keywords: Information Systems, Ticket Reservation, De' Balong Assaeida., Metode Waterfall, Website. ABSTRAK Pesatnya perkembangan teknologi informasi mendorong kebutuhan akses data yang cepat dan efisien, termasuk dalam sektor pariwisata. Penelitian ini bertujuan untuk merancang sistem informasi pemesanan tiket berbasis website pada Taman Wisata De' Balong Assaeida. Peralihan dari sistem tiket fisik ke transaksi elektronik diharapkan dapat meningkatkan efektivitas layanan serta memperluas jangkauan promosi melalui internet. Sistem ini dirancang untuk memberikan kemudahan bagi pengunjung dalam memesan tiket dan mengakses informasi taman secara daring. Di sisi lain, sistem ini mempermudah pihak pengelola dalam mengelola laporan penjualan dan data pengunjung secara akurat. Pengembangan website ini menggunakan metode Waterfall dengan alat pendukung berupa HTML, Cascading Style Sheet (CSS), PHP, Database MySQL, serta framework Bootstrap. Hasil penelitian ini menyimpulkan bahwa implementasi sistem informasi berbasis web mampu mengoptimalkan operasional transaksi dan manajemen pelaporan pada Taman Wisata De' Balong Assaeida.
COMPARISON OF THE PERFORMANCE OF SVM, RANDOM FOREST, AND NEURAL NETWORK ALGORITHMS IN SENTIMENT ANALYSIS OF OPENAI APPLICATION REVIEWS ON THE GOOGLE PLAY STORE Ahmad Latif; Muhtyas Yugi; Fandy Setyo Utomo; Taqwa Hariguna
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7793

Abstract

This study compares the performance of three machine learning algo-rithms—Support Vector Machine (SVM), Random Forest (RF), and Neural Network (NN)—in sentiment analysis of user reviews for the OpenAI application on the Google Play Store. The primary objective of this study is to evaluate the effectiveness of each algorithm in clas-sifying user reviews into three sentiment categories: positive, negative, and neutral. The dataset used consists of user reviews of the OpenAI application, collected directly from the Google Play Store. Model per-formance was evaluated using accuracy, precision, recall, and F1-score metrics. The results indicate that the Neural Network algorithm achieved the best overall performance in terms of accuracy and F1-score. SVM demonstrated competitive performance, particularly in classifying positive and neutral sentiments, while Random Forest showed an advantage in terms of precision but performed lower over-all, especially in classifying negative sentiments. Therefore, the Neural Network is considered the most effective algorithm for sentiment analysis tasks in this study
Sistem Pendukung Keputusan Pemilihan Program Studi Berbasis Naive Bayes dengan Likelihood Pakar dan Kuesioner Minat Ahmad Latif; Muhtyas Yugi; Nurul Alfiah; Beny Riswanto
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.1939

Abstract

Pemilihan program studi merupakan keputusan pendidikan berisiko tinggi karena ketidaksesuaian antara minat dan karakteristik program dapat memengaruhi keterlibatan, keberhasilan, dan keberlanjutan studi. Penelitian ini merancang dan mengimplementasikan sistem pendukung keputusan berbasis web yang memeringkat lima program studi di Universitas Komputama Cilacap menggunakan Naive Bayes. Model menggunakan 30 indikator minat dengan respons rendah, sedang, dan tinggi. Matriks likelihood dibentuk melalui elicitation terhadap tiga pakar akademik. Ketiga pakar mendiskusikan 150 kombinasi indikator-program studi dan menetapkan secara konsensus tiga probabilitas bersyarat untuk respons rendah, sedang, dan tinggi pada setiap kombinasi, dengan jumlah probabilitas sebesar 1,00. Nilai konsensus digunakan langsung sebagai likelihood dalam model Naive Bayes. Instrumen kuesioner belum melalui validasi psikometrik formal pada tahap pilot. Pengembangan mengikuti Waterfall, sedangkan evaluasi saat ini terbatas pada keterlacakan fungsi utama, analisis deskriptif enam rekam konsultasi pada 25 Mei-9 Juli 2026, serta satu laporan kasus terperinci; validasi prediktif belum dilakukan karena label kebenaran belum tersedia. Pada data pilot, Sistem Informasi menjadi rekomendasi utama terbanyak (50,0%). Rata-rata skor rekomendasi utama adalah 75,07% dengan rentang 42,32%-99,09%, dan rata-rata margin terhadap rekomendasi kedua sebesar 55,83 poin persentase. Laporan kasus menghasilkan Teknik Informatika sebagai rekomendasi utama dengan posterior 89,72%. Kontribusi penelitian adalah kerangka probabilistik tahap awal yang dapat beroperasi ketika dataset berlabel belum memadai, menghasilkan peringkat dan margin yang transparan, serta menyediakan jejak konsultasi untuk kalibrasi empiris berikutnya. Skor posterior tidak ditafsirkan sebagai akurasi klasifikasi, sehingga sistem diposisikan sebagai alat bantu konseling, bukan pengganti keputusan akademik manusia.
Co-Authors Beny Riswanto Fandy Setyo Utomo Imam Imam Muhtyas Yugi Muhtyas Yugi Nurul alfiah Taqwa Hariguna